Toprak Su İçeriğinin Belirlenmesinde Uygun Modellerin Belirlenmesi ve Dağılım Haritalarının Oluşturulması

Toprakların TK, SN, YSİ ile kil oranlarına ait dağılımlar Kolmogorov-Smirnov testi ile kontrol edilmiş yarayışlı su içerikleri hariç normal dağılım gösterdikleri belirlenmiştir. Dağılım haritalarının oluşturulma aşamasında kullanılan özelliklerin dağılım durumları Kolmogorov-Smirnov testi ile test edildikten sonra normal olmayan verilere hangi dönüşümlerin yapılacağı çarpıklık katsayılarına bakılarak değerlendirilmiştir. Tarla kapasitesi ve SN değişkenlerinin basıklık değerinin pozitif olması normalden daha dik bir dağılıma ve çarpıklık katsayılarının da 0’dan büyük olması nedeniyle + yöne eğimli ve sağa çarpık bir dağılımın göstergesidir. Özellikle YSİ’de çarpıklık değeri 0.5’den büyük olması nedeniyle logaritmik dönüşüm kullanılmıştır. Ayrıca kil, TK, SN ve YSİ için oluşturulan yarıvariogram modellerin uygunlunun değerlendirilmesinde RMSE, MAE ve R2 değerleri hesaplanarak RMSE ve MAE değerlerinde en düşük, korelasyon katsayısı değerinde ise en yüksek değer dikkate alınarak kontrol edilmiştir. Degado ve ark., (2010)’ a göre 0.90 ve üzeri korelasyonun çok iyi olduğunu, 0.90 - 0.80 arasında yüksek 0.80 - 0.70 arasında iyi, 0.70 - 0.60 arasında orta, 0.60 - 0.50 arasında düşük, 0.50 den düşük ise çok düşük korelasyon olduğunu belirtmiştir. Çalışmada korelasyon katsayısıdeğerleri 0.5 den düşük çıkması nedeniyle R2 değerlendirmeye alınmamıştır. Ayrıca yüksek R2 her zaman gözlemlerin iyi tahminde bulunacağına anlamına gelmemektedir (Gujarati, 2003). Modelin değişim yönüyle tahmin edicilerinin aynı olması gerekmektedir. Farklı olması durumunda R2’ye göre geçerliliği düşük olan bir model RMSE ve MAE’ye göre yüksek doğruluk gösterebilmektedir. Bu nedenle çalışmada, birçok çalışmada da yaygın olarak kullanılan RMSE ve MAE değerleri kullanılmıştır (Arslan, 2014; Mihalikova ve ark. 2015; Tunçay ve ark. 2018).

Enterpolasyon modeller kullanılarak herhangi bir toprak özelliğinin mekânsal değişim deseninin belirlenmesi, incelenen toprak özelliğinin çalışma sahası içerisinde herhangi bir noktasındaki değerini, en az hata ile tahmin etmeye imkân sağlar. Böylece, toprak özelliklerinin enterpolasyon analizi sonucu elde edilen değişim haritaları, inceleme alanı için arazi yönetimi ile ilgili en uygun planlama ve yönetim kararlarının alınması ve uygulanmasına olanak verir (Öztaş, 1996; Özyazıcı ve ark., 2015; Gülser ve ark., 2016; Çelik ve Dengiz, 2017). Ele alınan toprak parametrelerinin dağılım haritalarını oluşturmak amacıyla 10 adet enterpolasyon modellerine ait eğitim ve test verilere ait RMSE ve MAE değerleri elde edilmiş ve Tablo 2’de verilmiştir. Hata kareler ortalaması karakökü değerleri tüm modellerde genellikle MAE değerlerinde biraz yüksek olarak belirlenmiştir. Aralarındaki farkın artmış olması veri seti içerisindeki değişimin daha yükselmesine neden olur.

Tablo 2. Eğitim ve test verilerinin OK, IDW, CoK ve RBF ait MAE ve RMSE değerleri

Table 2. MAE and RMSE values of training and test data belonging to OK, IDW, CoK and RBF.

Toprak Su Veri Seti İstatistiksel Özellik OK IDW CoK RBF K Ü G 1 2 3 K CRS STP TPS TK Eğitim Verisi MAE 3.277 3.284 3.267 3.283 3.413 3.561 3.255 3.722 3.569 4.723 RMSE 4.299 4.308 4.289 4.335 4.472 4.643 4.281 4.824 4.656 6.190 Test Verisi MAE 3.544 3.533 3.531 3.505 3.592 3.679 3.557 3.698 3.621 3.906 RMSE 4.235 4.235 4.234 4.267 4.441 4.643 4.240 4.674 4.511 5.075 SN Eğitim Verisi MAE 2.467 2.476 2.457 2.488 2.552 2.624 2.450 2.722 2.631 3.431 RMSE 3.209 3.219 3.201 3.255 3.313 3.393 3.187 3.495 3.406 4.364 Test Verisi MAE 2.865 2.886 2.843 2.950 3.053 3.131 2.842 3.180 3.109 3.331 RMSE 3.397 3.420 3.374 3.495 3.640 3.776 3.373 3.839 3.719 4.129 YSİ Eğitim Verisi MAE 1.823 1.767 1.772 1.753 1.878 1.937 1.787 1.989 1.927 2.555 RMSE 2.402 2.340 2.350 2.316 2.408 2.483 2.320 2.562 2.483 3.199 Test Verisi MAE 1.199 1.179 1.801 1.115 1.169 1.257 1.199 1.272 1.204 1.423 RMSE 1.549 1.503 1.528 1.421 1.468 1.555 1.549 1.587 1.506 1.870 TK: Tarla kapasitesi, SN: Solma noktası, YSİ: Yarayışlı su içeriği, MAE:Ortalama mutlak hata (%), RMSE: Hata kareler ortalaması

karekökü(%), K: Küresel, Ü: Üssel, G: Gaussian, CoK: CoKriging

Modeller arasında karşılaştırmanın yapılmasında Tablo 2’ den de görüleceği üzere, TK için modeller arasında gerek eğitim verilerinde gerekse de test verilerinde en düşük RMSE ve MAE değerlerini OK’ya ait Gaussan model

Alaboz & Demir & Dengiz Determination of spatial distribution of soil moisture constant using different ınterpolation model case study, Isparta Atabey plain

440

vermiş iken, SN’de CoK’a ait küresel model belirlenmiştir. Topraklarda YSİ için en uygun dağılım modeline ait en düşük RMSE ve MAE değeri gerek eğitim verisinde gerekse de test verilerinde IDW modele ait 1. kuvvette belirlenmiştir.

Tarla kapasitesinin konumsal dağılım haritası oluşturulmasında OK’un üç variyogram modelleri içerisinde Gaussan model eğitim verisinde MAE değeri % 3.267, test verisinde ise % 3.531 olarak belirlenirken RMSE değeri eğitim verisinde % 4.289 ve test verisinde % 4.234 olarak yakın değerler sergilemiştir (Tablo 2). Buna karşın en yüksek değerler ise RBF ait alt modellerde belirlenmiştir. Beş alt modele sahip olan RBF içerisinde araştırmalarda en fazla kullanılan CRS, STP ve TPS modeller mevcut çalışmada ele alınmıştır (Teartisup ve ark, 2007; Arslan, 2014). Ele alınan variogram modelllerden TPS’de, eğitim ve test verilerinde MAE değerleri sırasıyla % 4.723 ve 3.906, RMSE değerlerinde ise % 6.190 ve 5.075 olarak belirlenmiştir (Tablo 2). Dağılım haritalarının oluşturulması ele alınan alan içerisinde problem olan yer veya yerlerin belirlenmesi ile, alan içerisindeki dikkate alınan herhangi bir özelliğin eğilim dağılımlarını göstermesi açısından önemli kanıtları ortaya koymaktadır. Bu nedenle her bir farklı ekolojik alan için alana ait güvenilir ve doğru konumsal dağılım haritaların üretilmesinde çoklu model karşılaştırmaların yapılması ve en uygun modelin belirlenmesi en doğru yaklaşım olarak görülmektedir. Mevcut çalışma alanının TK dağılım haritası ise OK’ın Gaussan modeline göre oluşturulmuş ve Şekil 3’ de verilmiştir. Çalışma alanı içerisinde TK büyük oranda %33.16 ile 36.04 arasında değişmekte olup, güney doğu kesimlere doğru bu oran bir miktar azalarak %31.18’e kadar azalmaktadır. Kriging yönteminde sadece birincil değişkene ait veriler kullanılarak kestirim yapılmaktadır. Ancak CoK (eş kestirim) yönteminde ikincil veriler de kullanılarak birincil verilerin olmadığı konumlarda ikincil veriler kullanılarak kestirim kalitesi arttırmak mümkündür. Fakat bu her zaman en iyi modeli belirleyecek anlamına da gelmemektedir.

Figure 3. Field capacity distribution map of the study area

Şekil 3. Çalışma alanına ait tarla kapasitesi dağılım haritası

Toprakların SN’ye ait konumsal dağılım haritası oluşturulmasında en düşük RMSE ve MAE değeri diğer modeller ile karşılaştırıldığında CoK’a ait semivariogram olarak küresel modelde belirlenmiştir. Eğitim ve test verilerinde MAE değerleri sırasıyla % 2.450 ve 2.842, RMSE değerlerinde ise % 3.187 ve 3.373 olarak bulunmuştur (Tablo 2).Mihalikova ve ark., (2016) Orta ve Doğu Karadeniz Bölgesinde tarım arazilerine ait 3400 toprak örneği ile k-Nearest pedotransfer fonksiyon kullanılarak tahminleme yaptıkları çalışmada, toprakların SN dağılım haritası oluşturulmasında sekiz model kullanılmış ve RMSE değerleri dikkate alınarak simple kriginge ait Gaussan model ile en yüksek doğruluklu dağılım haritası üretilmiştir. Mevcut çalışmada, SN değerleri kil yardımcı değişkeni ile CoK yöntemi aracılığıyla tahmin edilmiş ve dağılım haritası oluşturulmuştur (Şekil 4). Solma noktası özellikle kil miktarına da bağlı olarak çalışma alanın güney kesimlerinde artış gösterirken orta kesimlerde bu oran azalma eğilimi sergilemiştir.

JOTAF/ Journal of Tekirdag Agricultural Faculty, 2020, 17(3)

441

Figure 4. Wilting point distribution map of the study area

Şekil 4. Çalışma alanına ait solma noktası dağılım haritası

Toprakların YSİ değerlerine ait konumsal dağılım haritası oluşturulmasında en düşük RMSE ve MAE değerleri, diğer modeller ile karşılaştırıldığında IDW-1’de elde edilmiştir. Eğitim ve test verilerinde MAE değerleri sırasıyla % 1.753 ve 1.115, RMSE değerlerinde ise % 2.316 ve 1.421 olarak belirlenmiştir. Buna karşın MAE ve RMSE değerleri OK’a ait Gaussan modeli test verileri için en yüksek model olarak gözükürken, eğitim verileri için RBF’e ait TPS modeli belirlenmiştir. Çalışma alanı topraklarının YSİ’ye ait dağılım haritası ise IDW-1 modeline göre oluşturulmuş ve Şekil 5’ de verilmiştir. Yarayışlı su içeriği özellikle çalışma alanının orta ve kuzey, kuzey batı kesimlerinde artış, kuzey doğu ve güney doğu kesimlerde azalma eğilimi göstermiştir.

Figure 5. Available water distribution map of the study area

Alaboz & Demir & Dengiz Determination of spatial distribution of soil moisture constant using different ınterpolation model case study, Isparta Atabey plain

442

Çalışma Isparta ilinin yoğun tarım uygulamalarının yapıldığı Atabey Ovasında gerçekleştirilmiş olup çalışmada; 200 m aralıkla oluşturulan grid sisteminden eğitim verisi olarak 81 toprak örneği ile test verileri oluşturmak amacıyla da 32 noktadan toplamda 113 toprak örneği ile toprakların su içeriklerine yönelik olarak TK, SN ve YSİ’nin farklı enterpolasyon modeller kullanarak konumsal dağılım haritaları elde edilmiştir. Kullanılan enterplasyon modellerinden iki tanesi deterministik (IDW ve RBF), diğer iki tanesi ise (OK ve CoK) stokastik modellerdir. Elde edilen analiz sonuçları kullanılarak önce her bir değişken için tanımlayıcı istatistikler yapılmış, daha sonra uzaysal değişkenliği belirlemek amacıyla uygun teorik variogramlar belirlenmiştir. Seçilen variogram modellerinin, alanın uzaysal yapısının doğru olarak yansıtıp yansıtmadığı çapraz doğrulama analizleri ile kontrol edilmiştir. Modellerin karşılaştırarak en uygun modellerin belirlenmesinde, MAE ve RMSE değerleri dikkate alınmış ve test veriler ile oldukça yakın değerler elde edilmiştir. Alanda dağılım gösteren toprakların TK’ya ait uzaysal dağılımlarının elde edilmesinde en uygun model OK’nın Gaussan modeli belirlenirken, SN’nin uzaysal dağılımında stokastik yaklaşım olan CoK en uygun dağılımı vermiştir. Toprakların YSİ dağılımında ise IDW-1 en uygun model olarak belirlenmiştir.

Sonuç olarak gerçekleştirilen çalışmada, 200 m mesafelerde oluşturulan grid yöntemi için veri setinin % 70’inin eğitim ve % 30’unun test amaçlı kullanılmasıyla farklı jeoistatistiksel enterpolasyon yöntemleri kullanılarak toprak nem sabitelerinin dağılımları yaklaşık % 1-4 arasında ortalama hata ile tahmin edilebilmiştir. Strüktürel yapı ve gözenek boyutlarından oldukça etkilenen TK ve daha çok tekstür ile ilişkili olan SN nem sabitelerinin kısa mesafelerdeki değişim ihtimalleri göz önüne alındığında; örnekleme sayısının arttırılması, eğitim ve test veri setlerinin oranlarının değiştirilmesi, daha kısa mesafelerde geniş alanların değerlendirilmesi ile gelecekte benzer özellikte yarı kurak ekolojik özelliklere sahip alanlarda yapılacak çalışmalarda tahmin gücünün artabileceği düşünülmektedir.

JOTAF/ Journal of Tekirdag Agricultural Faculty, 2020, 17(3)

443

Ahmadi, M., Dezfouli, A.B.Z. (2011). A geo-statistical approach to the change procedure study of under-ground water table in a GIS framework, case study: Razan-Ghahavand Plain, Hamedan Province, Iran. Journal of Academic and Applied Studies, 2(11): 56–69.

Akgül, M., Başayiğit, L., Uçar, Y. (2002). Atabey Ovası topraklarının genel özellikleri ve sınıflandırılması. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 6(1): 1-13.

Akgül, M., Başayiğit, L., Uçar, Y., Müjdeci, M. (2001). Atabey Ovası Toprakları. Süleyman Demirel Üniversitesi Ziraat Fakültesi Yayın No: 15, 71s, Isparta.

Arslan, H. (2014). Estimation of spatial distrubition of groundwater level and risky areas of seawater intrusion on the coastal region in Çarşamba Plain, Turkey, using different interpolation methods. Environmental Monitoring and Assessment, 186(8): 5123-5134.

Arslan, H. (2012). Spatial and temporal mapping of groundwater salinity using ordinary kriging and indicator kriging: The case of Bafra Plain, Turkey. Agricultural Water Management, 113: 57– 63.

Aşkın, T., Türkmen, F., Tarakçıoğlu, C. (2016). Ordu ili merkez ilçe topraklarında erozyon riskinin jeoistatistiksel tekniklerle değerlendirilmesi. Toprak Bilimi ve Bitki Besleme Dergisi, 4(2): 69-75.

Aydın, A. Dengiz, O. (2019) Yarı-Humid ekolojik koşullar altında oluşmuş toprakların bazı fiziko-kimyasal özelliklerinin belirlenmesi, haritalanması ve sınıflandırması. Toprak Su Dergisi, 8(2): 68-80.

Bayat, B. B., Zahraie, B., Taghavi, F., Nasseri, M. (2013). Evaluation of spatial and spatiotemporal estimation methods in simulation of precipitation variability patterns. Theoretical and Applied Climatology, 113(3–4): 429–444.

Bouyoucos G.J. (1962): Hydrometer method improved for making particle size analyses of soils. Agron. J., 54: 464-465. Burrough, P. A., McDonnell, R. A. (1998). Principles of geographical information systems. New York: Oxford University Press.

Burt, R. (Ed.). (2014). Soil survey field and laboratory methods manual. United States Department of Agriculture, Natural Resources Conservation Service, National Soil Survey Center, Natural Resources Conservation Service, Kellog Soil Survey Laboratory.

Celilov, C., Dengiz, O. (2019). Erozyon duyarlılık parametrelerinin farklı enterpolasyon yöntemleriyle konumsal dağılımlarının belirlenmesi: Türkiye, Ilgaz milli park toprakları. Türkiye Tarımsal Araştırmalar Dergisi, 6(3).

Cemek, B., Güler, M., Kılıc, K., Demir, Y., Arslan, H. (2007). Assessment of spatial variability in some soil properties as related to soil salinity and alkalinity in Bafra plain in northernTurkey. Environmental Monitoring and Assessment, 124: 223–234.

Corine (2018). Corine land use land cover map of Turkey. https://corinecbs.tarimorman.gov.tr/(12.-1.2020).

Çelik, P., Dengiz, O. (2017). Akselendi Ovası tarım topraklarının temel toprak özellikleri ve bitki besin elementi durumlarının belirlenmesi ve dağılım haritalarının oluşturulması. Türkiye Tarımsal Araştırmalar Dergisi, 5(1): 9-18.

Degado, C., Pacheco, J., Cabrera, A., Batllori, E., Orellana, R., Bautista, F. (2010) . Quality of groundwater for irrigation in tropical karst environment: The case of Yucatan, Mexico. Agricultural Water Management, 97: 1423–1433.

Dengiz, O., Saygın. F., İmamoğlu, A. (2019). Spatial variability of soil organic carbon density under different land covers and soil types in a sub-humid terrestrial ecosystem. Eurasian Journal of Soil Science, 8(1): 35-43.

Devlet Su işleri (DSİ) (2019). Erişim Tarihi:23.11.2019. http://www.dsi.gov.tr/.

Diallo, D., Mariko, A. (2013). Field capacity (FC) and permanent wilty point (PWP) of clay soils developed on quaternary alluvium in Niger River Loop (Mali). International Journal of Engineering Science, 3: 1085-1089.

Doran, J.W., Jones, A.J. (1996) Methods for Assessing Soil Quality, Soil Science Society of America Special Publication 49, SSSA, Madison, WI,

Falamaki, A. (2011). Artificial neural network application for predicting soil distribution coefficient of nickel. Journal of Environmental Radioactivity, 115: 6–12.

Grewal , K.S., Buchan, G.D., Tonkin, P.J. (1990). Estimation of field capacity and wilting point of some new zealand soils from their saturation percentages. New Zealand Journal of Crop and Horticultural Science, 18(4): 241-246.

Gujarati, D. (2003). Basic Econometrics. 4th ed. New York: McGraw Hill, pp. 638-640.

Güçdemir, İ.H. (2006). Türkiye Gübre ve Gübreleme Rehberi. Güncelleştirilmiş ve Genişletilmiş 5. baskı. Tarımsal Araştırmalar Genel Müdürlüğü, Toprak ve Gübre Araştırma Enstitüsü Müdürlüğü Yayınları, Genel Yayın No: 231, Ankara.

Gülser, C., Ekberli, İ., Candemir, F., Demir, Z. (2016). Spatial variability of soil physical properties in a cultivated field. Eurasian Journal of Soil Science, 5(3): 192-200.

Hazelton, P., Murphy, B. (2016). Interpreting soil test results: What do all the numbers mean?. CSIRO publishing.

Alaboz & Demir & Dengiz Determination of spatial distribution of soil moisture constant using different ınterpolation model case study, Isparta Atabey plain

444

Intergovernmental Panel on Climate Change (IPCC), (2014). Fifth Assessment Report (AR5). https://www.ipcc.ch/report/ar5/syr/. (Erişim tarihi:30.01.2020).

Kacar, B. (2009). Toprak Analizleri. Nobel Yayın Dağıtım, 467s, Ankara.

Karahan, G., Erşahin, S., Öztürk, H.S. (2014). Toprak koşullarına bağlı olarak tarla kapasitesi dinamiği. Gaziosmanpaşa Üniversitesi Ziraat Fakültesi Dergisi, 30(1): 1-9.

Keshavarzı, A., Sarmadian, A. (2012). Mapping of spatial distribution of soil salinity and alkalinity in a semi-arid region. Annals of Warsaw University of Life Sciences, Land Reclamation, 44(1): 3–14.

Mbah, C.N. (2012). Determining the field capacity, wilting point and available water capacity of some Southeast Nigerian soils using soil saturation from capillary rise. Nigerian Journal of Biotechnology, 24: 41-47.

Meteoroloji Genel Müdürlüğü (MGM), (2018). Erişim tarihi: 20.01.2018. http://www. mgm.gov.tr/veridegerlendirme/yillik-toplam-yagis verileri .aspx #sfU.

Miháliková, M, Özyazıcı, M.A., Dengiz, O. (2016). Mapping soil water retention on agricultural lands in central and eastern parts of the Black Sea Region in Turkey. Journal of Irrigation and Drainage Engineering, 142(12): 05016008-1.

Mihalikova, M., Başkan, O., Dengiz, O. (2015). Capability of different interpolation models and pedotransfer functions to estimate soil hydraulic properties in Büyükçay Watershed. Environmental Earth Sciences, 74: 2425–2437.

Öztaş, T. (1996). Eğimli bir arazide erozyonla kaybolan toprak derinliğindeki değişimin Kriging analizi ile belirlenmesi. Tarım-Çevre İlişkileri Sempozyumu, “Doğal Kaynakların Sürdürülebilir Kullanımı”, 13- 15 Mayıs, Mersin, s. 327-335.

Özyazıcı, M. A., Dengiz, O., Aydoğan, M., Bayraklı, B., Kesim, E., Urla, Ö., ... Ünal, E. (2016). Orta ve Doğu Karadeniz Bölgesi tarım topraklarının temel verimlilik düzeyleri ve alansal dağılımları. Anadolu Tarım Bilimleri Dergisi, 31(1); 136-148.

Özyazıcı, M.A., Dengiz, O., Aydoğan, M., Bayraklı, B., Kesim, E., Urla, Ö., Yıldız, H., Ünal, E. (2015). Orta ve Doğu Karadeniz Bölgesi tarım topraklarının bazı makro ve mikro bitki besin maddesi konsantrasyonları ve ters mesafe ağırlık yöntemi (IDW) ile haritalanması. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 16(2): 187-202.

Pirmoradian, N., Rezaei, M., Davatgar, N., Tajdari, K., Abolpour, B. (2010). Comparing of interpolation methods in rice cultivation vulnerability mapping due to groundwater quality in Guilan, north of Iran. International Conference on Environmental Engineering and Applications (ICEEA) 147– 150, Singapore.

Rawls, W.J., Brakensiek, D.L., Saxton, K.E. (1982). Estimation of soil water properties. Transactions ASAE, 25(5): 1316–1328.

Sağlam, M., Dengiz, O., Selvi, K. Ç., Gürsoy, E. F., Atasoy, Ç. (2014). Farklı toprak işleme yöntemlerinin killi toprağın bazı fiziksel özellikleri üzerine etkilerinin jeoistatistiksel yöntemle değerlendirilmesi. Toprak Su Dergisi, 3(1).

Silva, B. M., Silva, É. A. D., Oliveira, G. C. D., Ferreira, M. M., Serafim, M. E. (2014). Plant-available soil water capacity: estimation methods and implications. Revista brasileira de ciência do solo, 38(2): 464-475.

Soil Survey Staff, (1992). Soil survey manuel. United States Department of Agronomy, Handbook No: 18, Washington, USA.

Teartisup, P., Kerdsueb, P., Wattaya, P. (2007). Field scale mapping of soil salinity on spatial interpolation techniques, case study: Khorat Basin, Nakhon Ratchasima Province, Thailand. Environmental Informatics Archives, 5: 524–547.

Tunçay, T., Başkan, O., Bayramin, İ., Dengiz, O., Kılıç, Ş. (2018). Geostatistical approach as a tool for estimation of field capacity and permanent wilting point in semiarid terrestrial ecosystem. Archives of Agronomy and Soil Science, 64 (9): 1240-1253.

Tutmez, B., Hatipoğlu, Z. (2010). Comparing two data driven interpolation methods for modeling nitrate distribution in aquifer. Ecological Informatics, 5: 311–315.

U.S, Salinity Laboratory Staff. (1954). Diagnosis and Improvement of Salina and Alkali Soils. Agricultural Handbook 60, U.S.D.A. Van Wambeke, A. R. (2000). The Newhall Simulation Model for estimating soil moisture and temperature regimes. Department of Crop and

Soil Sciences. Cornell University, Ithaca, NY. USA.

Wilding, L.P. (1985). Spatial Variability: Its Documentation, Accommodation and Implication to Soil Surveys, 166-194p. In D.R. Nielsen and J. Bouma (eds.). Soil Spatial Variability: Pudoc, Wageningen, Netherlands.

Wilding, L.P., Bouma, J., Goss, D.W. (1994). Impact of Spatial Variability on Interpretative Modelling. In: Quantitative Modelling of Soil Forming Processes R.B. Bryant ve Arnold R.W. (Ed.) SSSA Special Publication Number 39, SSSA,Inc. Madison Wisconsin,USA Xie,Y., Chen, T., Lei,M., Yang, J. (2011). Spatial distribution of soil heavy metal pollution estimated by different interpolation methods:

accuracy and uncertainty analysis. Chemosphere: 82, 468–476.

Yıldız, Y. (2011). Kazova Topraklarının Mikro Element İçeriklerinin Mesafeye Bağlı Değişiminin Analizi ve Bazı Toprak Özellikleri Arasındaki İlişkiler (Basılmamış Yüksek Lisans Tezi). Gaziosmanpaşa Üniversitesi, Toprak Anabilim Dalı Tokat.

Zhou, Z., Zhang, G., Yan, M., Wang, J. (2012). Spatial variability of the shallow groundwater level and its chemistry characteristics in the low plain around the Bohai Sea, North China. Environmental Monitoring and Assessment, 18(6): 3697–3710.

Journal of Tekirdag Agricultural Faculty

Tekirdağ Ziraat Fakültesi Dergisi

Eylül/September 2020, 17(3) Başvuru/Received: 02/05/20 Kabul/Accepted: 06/07/20 DOI: 10.33462/jotaf.730915 http://dergipark.gov.tr/jotaf http://jotaf.nku.edu.tr/

ARAŞTIRMA MAKALESİ RESEARCH ARTICLE

1*Sorumlu Yazar/Corresponding Author: Birol KAYİŞOĞLU, Department of Agricultural Faculty Biosystem Engineering, Tekirdağ Namık Kemal University, 59030 Tekirdağ/TURKEY. E-Mail: bkayisoglu@nku.edu.tr OrcID: 0000-0002-2885-3174

2 Simge GÖNCÜ, Department of Agricultural Faculty Biosystem Engineering, Tekirdağ Namık Kemal University, 59030 Tekirdağ/TURKEY. E-Mail:

simgeozgur93@gmail.com OrcID: 0000-0002-8914-8938

Atıf/Citation: Kayisoglu B., Goncu S., Determination of Commercially Available Biogas Production Capacity and Effects on Methane Capture in Tekirdağ Province. Tekirdağ Ziraat Fakültesi Dergisi, 17 (3), 445-455

*Bu çalışma Yüksek Lisans tezinden özetlenmiştir.

©Bu çalışma Tekirdağ Namık Kemal Üniversitesi tarafından Creative Commons Lisansı (https://creativecommons.org/licenses/by-nc/4.0/) kapsamında yayınlanmıştır. Tekirdağ 2020

Determination of Commercially Available Biogas Production Capacity and Effects on